Alibaba dice que Qwen3.8-Max lidera modelos con pesos abiertos en el benchmark de agentes comerciales
La evaluación comparativa basada en estados del equipo Accio informa que Qwen3.8-Max completó 56 tareas a través de Accio, 47 a través de OpenClaw y 53 a través de Pi; Alibaba lo califica como el resultado global más fuerte en la categoría open-weight.
By RuntimeWire Staff · Published
Primary source: Qwen / Alibaba
Por qué importa
Los proveedores de agentes necesitan pruebas que inspeccionen el estado del negocio completado en lugar de las transcripciones pulidas. El benchmark del equipo de Accio impulsa ese enfoque, mientras que el margen autoinformado de dos pases y peso abierto de Alibaba, la variabilidad del arnés de pruebas y la falta de paquetes públicos inmutables a nivel de tarea hacen que la auditabilidad sea tan importante como el orden en la tabla de clasificación.
Yukun Lian, Sicong Xie y diez colegas del equipo Accio de Alibaba International crearon Commerce Agent Bench para probar si los agentes de IA pueden completar trabajo comercial dentro de réplicas con estado de software empresarial. Qwen3.8-Max de Alibaba, parte de la familia de modelos Qwen3.8, completó 56 de 107 tareas a través de Accio, 47 a través de OpenClaw y 53 a…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.